Od Evo 1 k Evo 2: Jak NVIDIA předefinuje genetický výzkum a inovace biologických věd poháněných umělou inteligencí

Představte si svět, kde bychom mohli předpovídat chování života pouze analýzou sekvence písmen. To není sci-fi nebo magický svět, ale skutečný svět, kde vědci usilují o dosažení tohoto cíle po mnoho let. Tyto sekvence, složené ze čtyř nukleotidů (A, T, C a G), obsahují základní instrukce pro život na Zemi, od nejmenších mikrobů po největší savce. Dekódování těchto sekvencí má potenciál odemknout složité biologické procesy, transformující oblasti, jako je personalizovaná medicína a environmentální udržitelnost.

Nicméně, navzdory tomuto obrovskému potenciálu, je dekódování dokonce nejzákladnějších mikrobiálních genomů vysoce komplexní úkol. Tyto genomy se skládají z milionů párů DNA bází, které regulují interakce mezi DNA, RNA a proteiny – tři klíčové prvky v centrální dogmě molekulární biologie. Tato komplexita existuje na více úrovních, od jednotlivých molekul po celé genomy, vytvářející rozsáhlé pole genetických informací, které se vyvinulo po miliardy let.

Tradiční výpočetní nástroje bojovaly s komplexitou biologických sekvencí. Ale s nástupem generativní umělé inteligence je nyní možné škálovat přes trillions sekvencí a pochopit komplexní vztahy napříč sekvencemi tokenů. Na základě tohoto pokroku výzkumníci z Arc Institute, Stanford University a NVIDIA pracovali na budování systému umělé inteligence, který může pochopit biologické sekvence stejně jako velké jazykové modely chápou lidský text. Nyní udělali průlomový objev, vytvořením modelu, který zachycuje jak multimodální povahu centrální dogmy, tak komplexity evoluce. Tato inovace by mohla vést k předpovědi a návrhu nových biologických sekvencí, od jednotlivých molekul po celé genomy. V tomto článku prozkoumáme, jak tato technologie funguje, její potenciální aplikace, výzvy, které čelí, a budoucnost genetického modelování.

EVO 1: Průkopnický model v genetickém modelování

Tento výzkum získal pozornost na konci roku 2024, kdy NVIDIA a jeho spolupracovníci představili Evo 1, průlomový model pro analýzu a generování biologických sekvencí napříč DNA, RNA a proteiny. Trénovaný na 2,7 milionu prokaryotických a fágových genomů, celkem 300 miliard nukleotidových tokenů, se model zaměřil na integraci centrální dogmy molekulární biologie, modelování toku genetické informace z DNA na RNA na proteiny. Jeho architektura StripedHyena, hybridní model využívající konvoluční filtry a brány, efektivně zpracovávala dlouhé kontexty až do 131 072 tokenů. Tento design umožnil Evo 1 propojit malé změny sekvencí s širšími systémovými a organismovými účinky, překlenutím mezery mezi molekulární biologií a evoluční genetikou.

Evo 1 byl prvním krokem v počítačovém modelování biologické evoluce. Úspěšně předpověděl molekulární interakce a genetické variace analýzou evolučních vzorců v genetických sekvencích. Nicméně, když vědci cítili aplikovat ho na složitější eukaryotické genomy, modelové omezení se staly zřejmými. Evo 1 bojoval se single-nukleotidovou rozlišitelností nad dlouhými DNA sekvencemi a byl výpočetně náročný pro větší genomy. Tyto výzvy vedly k potřebě pokročilejšího modelu, který by mohl integrovat biologická data napříč několika škálami.

EVO 2: Základový model pro genetické modelování

Na základě zkušeností z Evo-1 spustili výzkumníci Evo 2 v únoru 2025, pokročující v oblasti biologické sekvence modelování. Trénovaný na ohromujících 9,3 bilionu párů DNA bází, model se naučil chápat a předpovídat funkční důsledky genetických variací napříč všemi doménami života, včetně bakterií, archeí, rostlin, hub a zvířat. S více než 40 miliardami parametrů může model Evo-2 zpracovat bezprecedentní délku sekvence až do 1 milionu párů bází, něco, co předchozí modely, včetně Evo-1, nemohly zvládnout.

Co odlišuje Evo 2 od jeho předchůdců, je jeho schopnost modelovat nejen DNA sekvence, ale také interakce mezi DNA, RNA a proteiny – celou centrální dogmu molekulární biologie. To umožňuje Evo 2 přesně předpovědět dopad genetických mutací, od nejmenších nukleotidových změn po větší strukturální variace, způsobem, který byl dříve nemožný.

Klíčovou vlastností Evo 2 je jeho silná nultá předpověď, která umožňuje předpovědět funkční účinky mutací bez potřeby úkolově specifického jemného ladění. Například přesně klasifikuje klinicky významné varianty BRCA1, kritický faktor v researchu rakoviny prsu, analýzou DNA sekvencí samotných.

Potenciální aplikace v biomolekulárních vědách

Schopnosti Evo 2 otevírají nové hranice v genetice, molekulární biologii a biotechnologii. Některé z nejvýznamnějších aplikací zahrnují:

• Zdravotní péče a objevování léků: Evo 2 může předpovědět, které genetické varianty jsou spojeny s konkrétními chorobami, pomáhající ve vývoji cílených terapií. Například v testech s variantami genu BRCA1 spojeného s rakovinou prsu, Evo 2 dosáhl přes 90% přesnosti v předpovědi, které mutace jsou benigní versus potenciálně patogenní. Takové poznatky by mohly urychlit vývoj nových léků a personalizovaných léčebných postupů.
• Syntetická biologie a genetické inženýrství: Schopnost Evo 2 generovat celé genomy otevírá nové cesty ve vývoji syntetických organismů s požadovanými vlastnostmi. Výzkumníci mohou využít Evo 2 k inženýrství genů s konkrétními funkcemi, rozšiřujícím vývoj biofuelů, ekologicky šetrných chemikálií a nových terapeutik.
• Agrární biotechnologie: Může být použita k návrhu geneticky modifikovaných plodin s vylepšenými vlastnostmi, jako je odolnost vůči suchu nebo hmyzu, přispívající k globální potravinové bezpečnosti a udržitelnosti.
• Environmentální věda: Evo 2 může být aplikován na návrh biofuelů nebo inženýrství proteinů, které rozkládají environmentální znečišťovatele, jako je ropa nebo plast, přispívající k udržitelnosti.

Výzvy a budoucí směry

Navzdory svým působivým schopnostem, Evo 2 čelí výzvám. Jednou z hlavních překážek je výpočetní složitost zapojená do trénování a běhu modelu. S kontextovým oknem 1 milionu párů bází a 40 miliardami parametrů, Evo 2 vyžaduje významné výpočetní zdroje, aby fungoval efektivně. To činí obtížným pro menší výzkumné týmy plně využít jeho potenciál bez přístupu k high-performance výpočetnímu hardwaru.

Navíc, zatímco Evo 2 vyniká v předpovědi účinků genetických mutací, je stále mnoho co se naučit o tom, jak použít ho k návrhu nových biologických systémů od základu. Generování realistických biologických sekvencí je pouze prvním krokem; skutečná výzva spočívá v pochopení, jak použít tuto sílu k vytvoření funkčních, udržitelných biologických systémů.

Přístupnost a demokratizace umělé inteligence v genetice

Jednou z nejzajímavějších aspektů Evo 2 je jeho open-source dostupnost. Aby demokratizoval přístup k pokročilým genetickým modelovacím nástrojům, NVIDIA učinil modelové parametry, trénovací kód a datové sady veřejně dostupnými. Tento otevřený přístup umožňuje výzkumníkům z celého světa prozkoumat a rozšířit schopnosti Evo 2, urychlovat inovace napříč vědeckou komunitou.

Závěrečné shrnutí

Evo 2 je významným pokrokem v genetickém modelování, využívajícím umělou inteligenci k dekódování komplexního genetického jazyka života. Jeho schopnost modelovat DNA sekvence a jejich interakce s RNA a proteiny otevírá nové možnosti v oblasti zdravotní péče, objevování léků, syntetické biologie a environmentální vědy. Evo 2 může předpovědět genetické mutace a navrhnout nové biologické sekvence, nabízející transformační potenciál pro personalizovanou medicínu a udržitelná řešení. Nicméně, jeho výpočetní složitost představuje výzvy, zejména pro menší výzkumné týmy. Učinováním Evo 2 open-source, NVIDIA umožňuje výzkumníkům po celém světě prozkoumat a rozšířit jeho schopnosti, pohánějící inovace v genetice a biotechnologii. Jak technologie pokračuje v evoluci, drží potenciál přetvořit budoucnost biologických věd a environmentální udržitelnosti.

smaller research teams. By making Evo 2 open-source, NVIDIA is enabling researchers worldwide to explore and expand its capabilities, driving innovation in genomics and biotechnology. As technology continues to evolve, it holds the potential to reshape the future of biological sciences and environmental sustainability.